Sommaire
Une étude menée par le constructeur Dell révèle que les entreprises, principalement en France, ont déjà mis en place des projets d’intelligence artificielle (IA). L’objectif de ces initiatives est avant tout d’améliorer leur compétitivité de manière pragmatique, contrairement à l’époque de la transformation digitale.
Selon Dell, 2024 sera l’année où l’IA générative passera d’un simple concept à une réalité tangible avec des applications concrètes. Les premiers déploiements auront lieu principalement dans le secteur industriel, où les scénarios d’utilisation sont les plus avancés.
Ces conclusions sont le résultat d’une étude menée par Dell auprès de 500 entreprises aux États-Unis et en Europe de l’Ouest tout au long de la seconde moitié de l’année 2023. Les chiffres mettent en évidence une tendance très encourageante, particulièrement pour les entreprises françaises : « 36% des entreprises françaises ont déjà scénarisé de nouveaux processus, 26% sont en train d’acheter des solutions techniques, 7% adaptent leurs données au bon format et 27% ont déjà commencé les calculs de fine-tuning. En définitive, seulement 4% des entreprises françaises excluent l’IA générative de leurs projets en 2024 », explique Sébastien Verger, directeur technologique de Dell France.
Comparativement, tous les autres pays interrogés accusent un retard : 41% des entreprises aux États-Unis et 50% en Allemagne ainsi qu’au Royaume-Uni en sont encore à la phase initiale. Seulement 13% des entreprises allemandes interrogées ont commencé les calculs, contre 18% aux États-Unis et 23% au Royaume-Uni.
Ces premiers essais se concentrent principalement sur l’optimisation de la gestion de la qualité dans le domaine industriel : « Par exemple, des caméras haute fréquence sont utilisées sur toutes les chaînes de montage et l’IA analyse les images pour détecter les défauts », explique Sébastien Verger.
L’enjeu réel : améliorer la compétitivité
Selon Dell, les trois quarts des entreprises voient l’IA comme un moyen d’améliorer leur compétitivité et de simplifier leurs processus. Il s’agit notamment de produire la même chose à moindre coût et de faciliter l’accès à l’information sans avoir à chercher constamment dans les données : » Dans notre étude, nous observons que les entreprises ont des attentes bien plus réalistes qu’à l’époque de la transformation digitale. Typiquement, quasiment plus personne n’espère que l’IA découvre de nouveaux produits à vendre, ou qu’elle permette de générer des revenus inédits. C’est une belle preuve de maturité : les entreprises n’imaginent plus changer d’activité, elles veulent juste produire leurs revenus plus efficacement, plus rapidement. L’IA est vue comme le pendant pour les métiers de l’apport de la robotisation dans les usines. », observe le CTO de Dell France.
« Attention, les attentes concernent la redéfinition du partenariat homme-machine. Il faut insister sur ce point : dans notre étude, aucune entreprise ne parle de remplacer l’homme par la machine », ajoute-t-il.
L’étude révèle également que certaines craintes pourraient freiner les projets d’IA. Celles-ci sont principalement liées à des préoccupations éthiques, comme le remplacement des salariés par des robots, la perte de contrôle sur les données confiées aux machines, ainsi que l’incertitude quant au coût, car il n’est pas encore prouvé qu’une IA coûtera moins cher qu’un salarié.
Les coûts ? 10 millions d’euros pour entraîner un modèle, 2 millions d’euros pour le personnaliser, 1 million d’euros pour l’exécuter
En parlant de coûts, l’étude de Dell ne précise pas quelles technologies exactes ont été déployées ou sont en cours d’acquisition. On peut toutefois supposer que les entreprises s’appuient pour le moment sur des services d’IA générative en cloud, qui sont déjà prêts à l’emploi : « Le problème des services d’IA générative en cloud est l’énorme flou qui entoure les coûts. On paie ces services au token. Le problème est que personne ne sait vraiment à quoi correspond un token, combien il faut de tokens en entrée, ni combien de tokens l’IA va produire en sortie. C’est pourquoi, il sera préférable en phase de production de plutôt faire du fine-tuning sur des serveurs sur site, ou éventuellement en mode hybride, avec juste une partie en cloud », souligne le responsable de la vente de serveurs.
Selon Sébastien Verger, une entreprise devrait investir en moyenne 2 millions d’euros pour déployer des solutions sur site (serveurs, stockage, etc.) afin de faire du fine-tuning avec ses propres données à partir d’un modèle d’IA pré-entraîné en Open source. Une fois que le modèle est enrichi des connaissances des données locales, le coût moyen de l’exécution de ce modèle serait d’1 million d’euros. Pour les grandes entreprises, la facture pourrait être trois fois plus élevée : « Si l’on veut utiliser une IA générative au sein d’une entreprise, il faut soit partir d’une IA généraliste à laquelle on apporte un entraînement supplémentaire, du fine-tuning (c’est, de l’avis de tout le monde, probablement le moyen le plus efficace et le moins coûteux). Soit il faut entraîner son propre modèle d’IA générative, mais il faut compter un investissement de 10 à 30 millions d’euros que seules les entreprises du CAC40 estiment savoir fournir », ajoute-t-il.
Le paradoxe de prendre son temps pour aller plus vite
Dell prépare actuellement des solutions d’IA générative basées sur le modèle généraliste Llama 2 développé par Meta, la société mère de Facebook. Les offres exactes ne sont pas encore connues, mais il est fort probable que Dell propose bientôt des modèles Llama 2 prêts à être personnalisés, qu’ils soient disponibles en cloud ou préinstallés sur certains de ses serveurs, et facturés selon le contrat de souscription Apex.
Pour pouvoir proposer des solutions qui donnent rapidement des résultats significatifs, il est nécessaire de prendre le temps de les préparer. C’est ce que souligne Sébastien Verger : « Nous sommes dans une période de speed-paradox propre à toutes les technologies de rupture : pour pouvoir proposer des solutions qui donnent très rapidement des résultats significatifs, il faut prendre le temps de les préparer. En l’occurrence, je parle de préparer avec les entreprises les jeux de données qui serviront à l’entraînement supplémentaire et qu’il faut aujourd’hui rendre interopérables. Sinon cela coûtera très cher pour une technologie qui ne sera pas pérenne, que l’on ne pourra rentabiliser sur le long terme ». Les entreprises doivent donc faire preuve de patience pour obtenir des solutions qui apportent des résultats significatifs. Ces solutions nécessiteront certainement des prestations de conseil.